Deep Selection: A Fully Supervised Camera Selection Network for Surgery Recordings

要約

手術室での手術の記録は、医療の教育と評価に不可欠な作業です。
ただし、手術野、手術器具、医師の手などの目的のターゲットを記録することは、手術中にターゲットが大きく遮られるため困難です。
複数のカメラが無影灯に埋め込まれている記録システムを使用しており、少なくとも 1 台のカメラが任意の時点で閉塞することなくターゲットを記録していると想定しています。
埋め込まれたカメラが複数のビデオ シーケンスを取得するため、手術の最良のビューでカメラを選択するタスクに対処します。
手術野の面積に基づいてカメラを選択する従来の方法とは異なり、エキスパートアノテーションの監督を学習することにより、複数のビデオシーケンスからカメラの選択確率を予測するディープニューラルネットワークを提案します。
6 種類の整形手術を記録したデータセットを作成し、カメラ切り替えのアノテーションを提供しました。
私たちの実験では、私たちのアプローチがカメラの切り替えに成功し、3 つのベースライン方法よりも優れていることがわかりました。

要約(オリジナル)

Recording surgery in operating rooms is an essential task for education and evaluation of medical treatment. However, recording the desired targets, such as the surgery field, surgical tools, or doctor’s hands, is difficult because the targets are heavily occluded during surgery. We use a recording system in which multiple cameras are embedded in the surgical lamp, and we assume that at least one camera is recording the target without occlusion at any given time. As the embedded cameras obtain multiple video sequences, we address the task of selecting the camera with the best view of the surgery. Unlike the conventional method, which selects the camera based on the area size of the surgery field, we propose a deep neural network that predicts the camera selection probability from multiple video sequences by learning the supervision of the expert annotation. We created a dataset in which six different types of plastic surgery are recorded, and we provided the annotation of camera switching. Our experiments show that our approach successfully switched between cameras and outperformed three baseline methods.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google